Zum Inhalt springen
labkompass

Guides · Thema

Reservoir & Physical Computing

Reservoir Computing und physikalisches Rechnen: Netze, bei denen nur der Ausgang lernt, und Systeme, in denen die Physik selbst die Rechnung übernimmt.

Teil der Themenwelt Future Computing — dort steht, wie die Felder zusammenhängen.

Reservoir Computing

Netze, bei denen nur die letzte Schicht lernt — schnell trainiert, gut für Zeitreihen und sogar mit physikalischen Systemen umsetzbar.

  1. 01
    GUIDEWas ist Reservoir Computing? Warum nicht jedes Netz voll trainiert werden mussReservoir Computing lässt ein zufälliges Netz unverändert und trainiert nur den Ausgang. Wie das funktioniert, warum es so schnell lernt und wo es an Grenzen stößt.

Physical & Unconventional Computing

Wenn die Physik die Rechnung ist: Licht, Wasser, Chemie, DNA und Zufall als Rechenmedium — und wann Simulation reicht.

  1. 02
    GUIDEWenn die Physik die Rechnung ist: Physical Computing erklärtPhysical Computing lässt Materie selbst rechnen: Wasserwellen, schwingende Platten, Licht. Was im Labor gezeigt ist, wo es hakt und warum Digitaltechnik so schwer zu schlagen ist.
  2. 03
    GUIDEWarum simulieren wir photonische Computer nicht einfach digital? Rechnung gegen PhysikDie Rechnung eines optischen Chips ist digital trivial, die Physik des Bauteils nicht. Warum Simulation und Chip auseinanderlaufen und was daraus folgt.

In Vorbereitung: Echo State Networks erklärt · Reservoir Computing oder LSTM? · Zeitreihen und Sensordaten vorhersagen mit Reservoir Computing und 22 weitere Beiträge

Aus dem LAB

LABReservoir Computing gegen neuronales Netz: 27-mal schneller trainiert — mit HakenEin Echo State Network, bei dem nur die Ausgangsschicht lernt, gegen ein klassisch trainiertes MLP: gleiche Zeitreihe, gleicher Rechner, fünf Läufe. Das Reservoir trainiert in 0,35 statt 9,2 Sekunden — braucht aber dreimal so viel RAM und rechnet Vorhersagen langsamer.